基于曲波噪声估计的K-SVD字典学习地震资料去噪

常规K-SVD字典学习方法在处理实际地震资料的过程中,往往无法得到地震随机噪声的先验信息,使得相关的误差参数无法确定,只能通过大量调参来实现最优去噪效果。基于此提出了一种基于曲波噪声估计的K-SVD字典学习地震资料去噪方法,旨在通过对地震资料进行曲波变换,选取尺度系数最大且对应方向上噪声能量最大的曲波系数,来估计随机噪声标准差,再利用K-SVD字典学习方法自适应获得超完备字典,并在重构过程中根据所得噪声标准差确定最优迭代误差参数,从而进行去噪处理。理论模型和实际地震资料的处理结果表明,该算法相较于传统的去噪方法,能在压制随机噪声的同时,最大限度地保护有效信号不被切除。     

一种增量式学习的语音字典构造方法

爆炸式增长的语音数据为存储与传输带来极大困难,现有方法难以实时应对海量语音频域数据.因此本文提出一种增量式学习的语音字典构造方法,该方法先将语音时域信号经短时傅里叶变换处理后转换为各窗频谱幅值,再将高维空间向量投影到低维空间,并以字典中的少数基向量线性拟合当前窗向量.进而通过存储基向量的标识和拟合系数完成对当前窗向量的存储,把无法拟合的窗向量经处理后加入字典,实现增量式学习.解压过程依据用户请求将字典中指定条目经线性拟合实现.实验结果表明,本方法能大幅度压缩语音频谱包络,适用于受带宽限制下实时高采样率的流式语音数据,与同类算法相比,在保证还原质量的情况下,能对信号的存储空间以及传输带宽进行大幅度的压缩.     

基于K-SVD算法和组合字典的语音信号清浊音判决研究

针对语音中清音和浊音特性的不同,本文提出了一种新的清浊音判别方法,利用K奇异值分解(K singular value decomposition,KSVD),分别对数据样本中的清音和浊音进行字典学习,训练出符合样本信号特性的浊音字典和清音字典,将多个单清音字典组合成组合清音字典,多个单浊音字典组合成组合浊音字典,并将待测信号在组合浊音字典和组合清音字典上进行稀疏表示,通过对比其系数的稀疏性来判别清浊音。研究结果表明,在相同条件下,与传统的清浊音判别方法相比,基于组合字典的判别方法对于多音素的清浊音判决具有更加准确的判决结果。该研究对语音识别和语音编码具有重要作用。     

利用子空间改进的K-SVD语音增强算法

在低信噪比的情况下,稀疏表示无法将纯净语音完全从带噪语音中分离出来,针对此问题提出了一种利用子空间改进的K奇异值分解语音增强算法．首先,利用子空间最优估计器跟踪噪声; 其次,通过K奇异值分解算法对噪声进行训练,构建出噪声字典; 最后,用K奇异值分解算法训练语音字典．在训练过程中,如果某个原子对应的稀疏系数低于设定的阈值,并且该原子可在训练得到的噪声字典中找到,就把该原子对应的稀疏系数设为零,即可达到去噪的目的．仿真结果表明,改进算法去除白噪声和babble噪声的效果显著,有效提高信噪比和减少语音失真,同时,该算法也可以很好地应用于消除随机噪声．     

一种BP神经网络的学习算法及其改进

本文详细推导了典型ＢＰ神经网络学习算法,并给出了一种基于动量和学习速率自适应调整的虎法。仿真结果表明,改进算法的学习速度和收敛性得到了明显的提高。     

一种改进Slope One的学习推荐算法

针对协同过滤算法的推荐精度不足问题,提出一种改进的Slope One算法。以基于用户协同过滤算法为前提,使用皮尔逊相似性计算用户间相似度,利用Top-N方法对相似用户进行筛选,把最相似用户作为邻居集,再结合加权Slope One算法,预测项目评分,实现对用户个性化精准推荐。实验结果表明,在数据稀疏的条件下,改进算法的预测精确度优于基于用户的协同过滤算法和Slope One算法,提高了推荐质量。     

一种改进的单个自适应神经元控制学习算法

提出了一种改进的神经元控制学习算法，它是对原有的单个自适应神经元控制学习算法的较一般的推广和改进。通过对一卫星姿态稳定控制系统的仿真，表明所提方法优越。     

基于冗余字典的一种新的数字图像水印算法

基于图像的超完备字典稀疏表示是一种新的图像表示理论,利用字典的冗余性可以有效地得到图像的几何结构特征,从而实现图像的表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.基于此稀疏特性,本文提出了一种新的基于冗余字典的数字水印方法.此方法利用图像在超完备字典上的自适应稀疏分解,通过在字典域实现数字水印算法.实验结果证实了本文所提方法的有效性.     

一种改进的DV-Hop改进算法

针对DV-Hop算法在定位过程中产生的误差,提出了一种基于RSSI跳数修正和坐标修正的DV-Hop改进算法。该算法通过RSSI技术对邻居节点的跳数进行修正,并对定位处的节点坐标进行修正。仿真结果表明:改进算法在一定程度上减小了定位误差。     

一种基于稀疏字典和残余字典的遥感图像超分辨重建算法

为了解决低分辨率遥感图像超分辨率重建问题,提出一种基于稀疏字典和结构自相似性的遥感图像超分辨方法.首先,引入了稀疏字典学习方法,改善了字典的结构性,得到的字典具有较好的正则性与灵活性.此外,为了更好地重建高分辨率图像,学习初始稀疏字典对和残余稀疏字典对.初始稀疏字典对用于重建初始高分辨率遥感图像;初始高分辨率遥感图像相对于原始高分辨率图像失去了部分细节信息,用残余稀疏字典对对图像的残留信息进行重建.最后,根据遥感图像存在大量的结构相似性特性,利用非局部均值算法对重建图像进行修正.实验结果表明,本算法与其他算法相比,图像质量在主观和客观方面都有所提高,峰值信噪(PSNR)比达到24.690 5,SSIM达到0.736 3.     

图像复原的一种改进算法

对图像复原中保持边缘规整化算法做了改进,改进算法利用矩阵运算解决了原有算法的非线性问题.     

一种改进的堆排序算法

堆排序是一个高效的排序算法，其特点是辅助空间小，可以“就地”排序，在堆排序中，主要使用一种筛选算法，在建堆和排序中反复调用（１￣６）。文章针对筛选中的比较方式提出改进，可使筛选的期望比较次数大为降低，从而提高了堆排序的算法效率。     

CM算法的一种改进

为了抵抗诸如MOV等算法可能的攻击，在CM算法的基础上，对有限域上椭圆曲线的构造方法进行了改进，使椭圆曲线子群且其阶中含有多个大素因子，并在满足安全性条件下对形式为2p+1的大素因子放宽到包括形式为2ip+1的素数(i 是一个小整数).这类椭圆曲线可用于密码技术中各种合数阶群的情形.在这类椭圆曲线上建立密码体制，降低了离散对数型保密或数字签名方案信息泄露的隐患，为建立可抗击各种攻击的椭圆曲线密码体制提供了基础.同时，还对改进后的算法进行了算法分析，表明用该算法来产生安全椭圆曲线在速度上比CM算法快.     

一种改进的UKF-SLAM算法

针对外部干扰导致基于无迹卡尔曼滤波的同时定位与地图创建(UKF-SLAM)算法精度降低甚至发散的问题,提出一种改进的UKF-SLAM算法.算法在系统状态更新之前引入外部干扰检测和状态方差膨胀,在干扰发生的周期内快速做出响应,提高了系统状态估计的精度.临近观测的对比检测不受累计误差的影响,提高了检测的精度,不同状态方差膨胀方式能够响应不同类型的外部干扰.仿真实验结果表明,在存在外部干扰的环境中,改进UKF-SLAM算法估计精度高于SMCI-SLAM和UKF-SLAM算法.     

一种改进的Burg算法

在雷达信号处理方面,对算法的外推精度以及实时性,都有很高的要求。通过对Burg算法的研究,根据Burg算法容易发生谱分裂和谱偏移等特点,提出了一种快速实时的改进算法,并已应用到实际。     

一种改进的SIMPLER算法

利用改进的SIMPLER算法即环绕主节点的四个小控制体与推广的QUICK差分格式相结合，在非均匀同位网格上求解二维非定常流动与传热的控制方程。以封闭方腔内的层流自然对流换热问题为例进行了数值模拟，计算结果与已有文献一致，且得出的平均努赛尔数的计算公式较以前的计算公式精度要高，表明作者所采取的方法是可行的。     

一种改进的Apriori算法

Apriori算法是挖掘关联规则频繁项集的最有影响的算法之一,它通过连接、剪枝等步骤产生频繁项集,进而产生强关联规则。由于面临海量数据,因此将会产生大量的候选项集,尤其是候选2-项集,严重影响了挖掘的效率。提出了一种改进的算法,此算法不产生小项候选集而直接产生大项候选集,从而提高了算法的效率。     

一种Apriori算法的改进

Apriori算法是关联规则的经典算法。从两个方面对其进行了改进,首先是在产生候选项集时采用了新的算法,更快地产生候选项集;其次,该算法采用了一种新的数据结构——索引结构来存储事务项集数据,提高了读取数据库中有效数据的速率,同时减少了一些不必要的数据扫描,利于更快地产     

最优控制的一种改进算法

本文利用Hamilton矩阵特征值的性质,提出了对线性二次最优控制的一种改进算法。计算实例表明,此种方法运算速度较快。因此,它在控制系统的计算机辅助设计中是可采用的有效方法之一。